JP2018057867A - 医用画像処理装置、ｘ線コンピュータ断層撮像装置及び医用画像処理方法 - Google Patents

医用画像処理装置、ｘ線コンピュータ断層撮像装置及び医用画像処理方法 Download PDF

Info

Publication number
JP2018057867A
JP2018057867A JP2017197142A JP2017197142A JP2018057867A JP 2018057867 A JP2018057867 A JP 2018057867A JP 2017197142 A JP2017197142 A JP 2017197142A JP 2017197142 A JP2017197142 A JP 2017197142A JP 2018057867 A JP2018057867 A JP 2018057867A
Authority
JP
Japan
Prior art keywords
input data
image
data
image processing
medical image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2017197142A
Other languages
English (en)
Inventor
ユウ ジョウ
Zhou Yu
ユウ ジョウ
リーウ ヤン
Yan Liu
リーウ ヤン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of JP2018057867A publication Critical patent/JP2018057867A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】三次元構成要素の間で共通する情報や特徴を十分活用したデノイズを実行し、解像度を犠牲にすることなく四次元画像の画質を改善することができる医用画像処理装置、等を提供すること。【解決手段】取得部と、画像生成部と、を具備する医用画像処理装置である。取得部は、被検体を透過した透過Ｘ線を検出して得られる複数の検出データに起因する複数の入力データを取得する。画像生成部は、前記複数の入力データのうちの第一の入力データをデノイズし、前記デノイズされた第一の入力データと、前記複数の入力データのうちの少なくとも二つの入力データに依存する正則化を含む目的関数と、を使用して画像を生成する。【選択図】 図２

Description

本実施形態は、医用画像処理装置、Ｘ線コンピュータ断層撮像装置及び医用画像処理方法に関する。
コンピュータ断層撮像（ＣＴ）システムおよび方法は、特に医用撮像および医用診断の為に、幅広く使用されている。ＣＴシステムは、一般的に被験体の身体を通して一枚以上の部分的なスライスの画像を作成する。Ｘ線管などの放射源は、一側面から身体に照射する。身体と反対側にある少なくとも一つの検出器は、身体を通過した放射線を受け取る。身体を通過した放射線の減衰は、検出器から受け取った電気信号を処理することで測定される。
ＣＴサイノグラムは、様々な投影測定に対する、検出器アレイに沿った位置の関数として、またＸ線源と検出器アレイとの間の投影角の関数として、身体を通過した減衰を示す。サイノグラムにおいて、空間的次元は、Ｘ線検出器のアレイに沿った位置を参照する。時間／角度次元は、ＣＴスキャンの間の時間の関数として変化するＸ線の投影角を参照する。画像化された対象（例えば椎骨）の部分から生じる減衰は、縦軸の周辺に正弦波を描くだろう。回転軸からさらに遠い被検体の部分は、より大きな振幅での正弦波に一致し、当該正弦波の位相は、回転軸周辺の被検体の角度位置に一致する。逆ラドン変換―また任意のその他の画像再構成法―の実行することは、サイノグラムにおける投影データから画像を再構成することである。
ＣＴモダリティの中には、大量スタディの様に、時系列の再構成画像を取得することの出来るものがある。さらに、スペクトラルＣＴにおいて、様々なエネルギーを有するＸ線は、患者にわたり伝播されて様々に検出され（例えば、光子計数検出器など、エネルギー分解検出器を使用しながら）、再構成画像を、各個別のエネルギーで取得することが出来る。代わりに、エネルギー分解した投影データは、高Ｚ原子および低Ｚ原子に対応する、物質成分に分解することも出来る。例えば、患者画像における二つの物質成分は骨および水分のことがあり、当該水成分は、血液や柔組織など主に水分で構成された組織や体液を含む。
送られたＸ線データのスペクトラル性質を取得するために、検出されたＸ線をエネルギービンに分解し、検出器アレイの各検出器素子に沿ったビンのそれぞれにおけるＸ線数を数えることで、異なるエネルギーを有するＸ線間を区別する。スペクトラルＣＴは、二つ以上のエネルギーレベルで放出されたＸ線の検出を含み、スペクトラルＣＴは、その定義からして一般的に二重エネルギーＣＴを含む。異なる物質がＸ線に対して異なるスペクトラル減衰特徴を示すので、スペクトラルＣＴ投影データは、物質弁別法を使用しながら物質成分に分解することが可能である。物質成分画像は、その後物質成分サイノグラムから再構成することが出来る。
スペクトラルＣＴサイノグラムまたは再構成画像が、エネルギービン基底または物質成分基底を使用して表されているかどうかは、サイノグラムおよび／または画像が、四次元画像の三次元での表現（ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ）、スナップショット、または構成要素のことを考えることが可能で、当該四次元とはＸ線エネルギーかそれとも物質成分かの一方である。
同様に、特定の医用撮像モダリティにおいて、ＣＴ画像は、時間の関数として変化を観察するために、時系列で取得することが出来る。例えば、大量スタディにおいて、造影剤は、患者にわたる血流の動態を観察するために、多重ＣＴスキャンの時系列における第一のＣＴスキャンの直後に、患者の血流へと投与することがある。この場合に、サイノグラムおよび／または再構成画像は、その四次元としての時間を有する四次元画像の三次元的な構成要素である。
特開２０１７−１２４１４９号公報
例えば、医用撮像において取得された四次元画像に含まれる各三次元構成要素（サイノグラム、再構成画像）は、重要な共通する特徴や構造を含む。しかしながら、従来のデノイジング法は、個別の三次元構成要素を別々にデノイズするものである。そのため、個別の三次元構成要素の間で共通する情報や特徴を十分活用しきれていない。
本実施形態の目的は、三次元構成要素の間で共通する情報や特徴を十分活用したデノイズを実行し、解像度を犠牲にすることなく四次元画像の画質を改善することができる医用画像処理装置、Ｘ線コンピュータ断層撮像装置及び医用画像処理方法を提供することである。
本実施形態に係る医用画像処理装置は、取得部と、画像生成部と、を具備する。取得部は、被検体を透過した透過Ｘ線を検出して得られる複数の検出データに起因する複数の入力データを取得する。画像生成部は、前記複数の入力データのうちの第一の入力データをデノイズし、前記デノイズされた第一の入力データと、前記複数の入力データのうちの少なくとも二つの入力データに依存する正則化を含む目的関数と、を使用して画像を生成する。
ＣＴスキャナに対するＸ線源とＸ線検出器の配置の実施形態の概要を示している。 一実施形態に係る、ジョイントエッジ保存項を有する目的関数を使用しながら、一連の画像をデノイジングする方法のフロー概要図。 無相関基底の第一の成分におけるノイジーな再構成画像の例を示している。 無相関基底の第一の成分におけるデノイズされた再構成画像の例を示している。 無相関基底の第二の成分におけるノイジーな再構成画像の例を示している。 無相関基底の第二の成分におけるデノイズされた再構成画像の例を示している。 物質成分基底の第一の成分（骨）におけるノイジーな再構成画像の例を示している。 物質成分基底の第一の成分（骨）におけるデノイズされた再構成画像の例を示している。 物質成分基底の第二の成分（水）におけるノイジーな再構成画像の例を示している。 物質成分基底の第二の成分（水）におけるデノイズされた再構成画像の例を示している。 一実施形態に係る、ジョイントエッジ保存項を有する目的関数を使用しながら、一連のサイノグラムをデノイジングする方法のフロー概要図。 物質成分基底の第一の成分（骨）におけるノイジーなサイノグラムの例を示している。 物質成分基底の第一の成分（骨）におけるデノイズされたサイノグラムの例を示している。 物質成分基底の第二の成分（水）におけるノイジーなサイノグラムの例を示している。 物質成分基底の第二の成分（水）におけるデノイズされたサイノグラムの例を示している。 図６Ａに示されたサイノグラムから再構成された物質成分基底の第一の成分（骨）におけるノイジーな再構成画像の例を示している。 図６Ｂに示されたサイノグラムから再構成された物質成分基底の第一の成分（骨）におけるデノイズされた再構成画像の例を示している。 図６Ｃに示されたサイノグラムから再構成された物質成分基底の第二の成分（水）におけるノイジーな再構成画像の例を示している。 図６Ｄに示されたサイノグラムから再構成された物質成分基底の第二の成分（水）におけるデノイズされた再構成画像の例を示している。 一実施形態に係る、ジョイントエッジ保存項を有する目的関数を使用しながら、一連のノイジーなサイノグラムからデノイズされた一連の画像を再構成する方法のフロ―概要図。 一実施形態に係る、ジョイントエッジ保存項を有する目的関数を使用しながら、差分画像を含む一連の再構成画像をデノイジングする方法のフロー概要図を示している。 一実施形態に係る、再構成画像の位置合わせの例を示している。 位置実施形態に係る、ジョイントエッジ保存項を有する目的関数を使用しながら、集約画像を含む一連の再構成画像のデノイジングの方法のフロー概要図を示している。 図１２は、一実行に従う、ＣＴスキャナの実施形態の概要を示す。
コンピュータ断層撮像（ＣＴ）を使用する大量のスタディなど、多くの臨床撮像治療は、四次元画像を作り出す。例えば、四次元画像は、時間またはエネルギーなど、四次元に沿って配置された、任意の一連の三次元画像を含むことが出来る。例えば、四次元は、スペクトラルＣＴにあるようなＸ線エネルギースペクトルでもよいし、またはＣＴの大量のスタディにあるような時間でもよい。四次元画像の数多くのタイプに、医用撮像において触れることがある。その医用撮像とは、造影剤を使用する大量のスタディと触れるような一連の三次元画像、デジタル差分アンギオグラフィ（ＤＳＡ）、ダイナミック陽電子放射断層撮像法（ＰＥＴ）、心臓コンピュータ断層撮像（ＣＴ）、そして物質弁別を使用する二重エネルギーＣＴにおいて触れるようなスペクトラルが分解されたＣＴ測定などを含んでいる。
一般的に、四次元画像における各構成要素の三次元画像は、四次元画像のその他の三次元画像と、重要な情報を共有し共通構造を有する。しかし、四次元画像をデノイジングする従来的な方法は、構成要素の三次元画像の間の共通する構造を十分活かしきれていない。例えば、従来的な方法は、各三次元画像を別々にデノイズすることがある。この様にして、四次元画像をデノイジングする従来的な方法は、三次元画像からの冗長な情報を最適に使用すること失敗し、その為、これらの従来的な方法は、画像におけるエッジをぼかすことで解像度を犠牲にすることなく、個別の三次元画像をより良くデノイズするように改善することが出来る。
一般的に、ガンマ線またはＸ線を使用する医用撮像は、高レベルの放射線への照射に関する健康上の懸念に左右されるものであるから、従って臨床医や技師は、放射線レベルを合理的に可能な限り低く維持するよう努めている。そのため、再構成された断層画像をより効果的にデノイジングすることで放射線量を下げながら、高画質を維持出来る方法に需要がある。例えば、従来的な方法は、三次元画像における鮮明なエッジを維持しながらノイズをより良く除去するために、ノイズから信号を区別して、四次元画像の三次元画像の中の共通する構造をより利用するように修正することが出来る。
多くの医用撮像アプリケーションは、単一の三次元画像では捉えきれない付加情報を得るために、異なる時間でまたは異なるＸ線エネルギーでのどちらかで、同じ患者の多重三次元画像を必要とする。例えば、スペクトラルＣＴにおいて、サイノグラムデータは、異なるエネルギースペクトル（複数）に対して収集することが出来る。その場合に、様々な物質成分のスペクトラル特徴は、スペクトラル的に分解されたサイノグラムを物質成分サイノグラムへと分解するために、使用することが出来る。パフュージョンＣＴは、一連の三次元画像を生成する医用撮像アプリケーションの第二の例を提供する。パフュージョンＣＴにおいて、ＣＴ画像は、血流、ボリューム、経過時間情報を識別するために、異なる時間で収集されている。第三の例として、心臓画像で、多重スキャンからの投影データは、時間分解能を改善しノイズを減らすために使用出来る。これらの多重三次元画像は、四次元画像／データの一般的なラベルを与えられており、この四次元とは時間、Ｘ線エネルギー、またな多重三次元画像の別のカテゴリー化である。
一般に、四次元画像の三次元構成要素画像中には、高い構造的な類似性がある。例えば、時系列において、画像は短期間で収集することが出来、結果的に時間的に近傍する画像間には小さな変化のみとなる。四次元画像の時間的に近傍するスナップショット間の信号の大部分に変化が無いままであることとは対照的に、時間的に近傍する画像間のノイズは一般的には、統計的に独立し相関関係が無いだろう。
四次元画像における三次元画像には、強い類似性の可能性があるとはいえ、時間的に近傍する画像は、三次元画像中であっても異なる信号ノイズ比（ＳＮＲ）およびコントラスト対ノイズ比（ＣＮＲ）を有する可能性がある。低いＳＮＲ／ＣＮＲ三次元画像の画質に重大な改善を生じさせるために、低いＳＮＲ／ＣＮＲ三次元画像のデノイジングプロセスに情報を与えるために、高いＳＮＲ／ＣＮＲ三次元画像から推定された構造情報を使用することで、高いＳＮＲ／ＣＮＲ三次元画像から推定された構造情報は、低いＳＮＲ／ＣＮＲ三次元画像のためになることがある。従って、本実施形態に説明される方法は、三次元画像の物質要素のデノイジングや再構成を改善するために、四次元画像に現れる構造的な冗長性を使用する。
本実施形態に説明される四次元ＣＴデータと再構成画像とのデノイジングを改善するために、ジョイントエッジ保存（ＪＥＰ）正則化を使用する。当該方法は、スペクトラルＣＴ、パフュージョンＣＴ、そして心臓ＣＴなどを含む、四次元データおよび再構成画像を生成する、多くのＣＴアプリケーションに対して使用が出来る。独立エッジ保存（ＩＥＰ、Ｉｎｄｅｐｅｎｄｅｎｔ Ｅｄｇｅ Ｐｒｅｓｅｒｖｉｎｇ）正則化に対比して、本実施形態に説明される方法は、より良い分解能保存、ノイズ低減、そして改善された画像特性の補足を有する。
まず、ＪＥＰ正則化の一般的な形式について検討する。それからＪＥＰの当該一般な形式は、特定のＣＴ撮像アプリケーションに適用される。これらの特定のＣＴ撮像アプリケーションは、以下の五つを含む。（ｉ）ＪＥＰ正則化を含む罰則付き重み付けされた最小二乗（ＰＬＷＳ）目的関数を使用しながら、スペクトラル的に分解されたおよび／または物質分解された再構成画像をデノイジングすること、（ｉｉ）ＪＥＰ正則化に従うＰＬＷＳ目的関数を使用しながら、スペクトラル的に分解されたおよび／または物質弁別サイノグラムをデノイジングすること、（ｉｉｉ）ＪＥＰ正則化に従うＰＬＷＳ目的関数を使用しながら、スペクトラル的に分解されたサイノグラムデータまたは物質弁別サイノグラムデータからデノイズ画像を再構成すること、（ｉｖ）ＪＥＰ正則化に従うＰＬＷＳ目的関数を使用しながら、差分画像または集約画像を含む、時系列の再構成画像をデノイジングすること、である。
次に、ＪＥＰ正則化の一般的な形式について検討する。画像デノイジング問題は、ＰＷＬＳ目的関数を最小化するように定式化が出来、以下の式（１）の様に与えられる。
ここで、逆共分散マトリクスΣｎ −１はノイズとn番目表示のピクセルの間の相関関係とを表す。ＩＥＰ正則化に対しエッジ保存正則化は、以下の式（２）によって与えられることが可能である。
ある場合には、一つ以上のエッジ保存パラメータを使用することが可能で、ｑ−一般化ガウスマルコフランダムフィールド（Ｇａｕｓｉａｎ Ｍａｒｋｏｖ ｒａｎｄｏｍ ｆｉｅｌｄ ｍｏｄｅｌ：ＭＲＦ）モデルなどがある。近接するピクセルは、例えば、最も近いピクセル（ｎｅｉｇｈｂｏｒｓ）、次に最も近いピクセル、そして次の次に最も近いピクセルを含み得る。「ピクセル」という用語は、例えば二つの空間的な次元のみを有する投影画像または再構成画像における二次元ピクセルと、または、例えば三つの空間的な次元を有する再構成画像における三次元のボリュームピクセル（ボクセル）と、を含むことが可能である。
ｎ（番目）表示を有する四次元画像／サイノグラムに対するＪＥＰ正則化の一般的な形式は、以下の式（３）で与えられる。
例えば、ＪＥＰ正則化に対するエッジ保存重み付け関数が、次の式（４）によって与えられる場合を考える。
係る場合、二つの表現の場合についてのＩＥＰ正則化に対するエッジ保存重み付け関数は、以下の式（５）によって与えられる。
同様に、ＪＥＰ正則化エッジ保存重み付け関数において、一般化されたｎ個の表現である式（６）は、個別の表現における所定のピクセルで画像の粗さに対する罰則を決定するために、１、２、からｎ（番目）の表現の全てを情報から引き出す。
相関関係のない三次元サイノグラムおよび／または三次元再構成画像に対し、ジョイントエッジ正則化を伴う罰則付き重み付された最小二乗（ＰＷＬＳ−ＪＥＰ）デノイジング法は、エッジ保存を犠牲にすることなく、ノイズ抑圧を改善するために適用することが出来る。三次元サイノグラムは、個別の投影画像の空間的次元に対応する二つの次元および、ＣＴスキャンの投影角に対応する第三の次元を有する。簡潔にするため、例えば「表現」という用語は、三次元サイノグラムと三次元再構成画像との両方を言及するために使用される。加えて、「表現」という用語は、時間分解したおよびエネルギー分解したサイノグラムや画像の両方を言及するために、一般的に使用される。また本実施形態に使用される「表現」という用語は、代わりに時系列でのスナップショットを言及して良く、またスペクトラルＣＴについてのエネルギービンまたは物質成分を言及しても良い。更に「表現」は、四次元画像の任意の三次元サイノグラムまたは三次元空間画像の可能性があり、当該四次元は時間、Ｘ線エネルギー、またはその他の変数に関わらない。
しばしば、「投影データ」という用語は、画像化されている被検体または患者にわたる投影により、取得されたＸ線データを言及するために使用される。しかし、データは複数形にならない質量名詞として一般的に使用されるため、コンテクストだけを元に、四次元画像全体に関する投影データか、四次元画像における一枚の三次元画像に関する投影データかを、区別することが難しいことはよくある。従って、「投影データ」という用語の使用により混乱が生じる場合には、「投影データセット」という異なる用語を代わりに使用することがあるだろう。その為、「投影データセット」（単数）が一枚の三次元画像のみに対応する投影データを指す一方で、「投影データセット」（複数）は一枚以上の三次元画像に対する投影データを指す。この様にして、単一のＣＴスキャンからのデータは「投影データセット」（単数）として言及することが出来、また異なる時間で測定された一連のＣＴスキャンからのデータは、「投影データセット」（複数）として言及することが出来る。同様に、単一のスペクトラルＣＴスキャンの単一のエネルギービンに対応するデータは「投影データセット」（単数）として言及が出来、片や同じ単一のスペクトラルＣＴスキャンの多重のエネルギービンに対応するデータは「投影データセット」（複数）として言及が出来る。「投影データセット」（複数）は、個別のエネルギービンに対するデータが、同時に収集されたのか（例えば、ブロードバンドＸ線源および光子計数検出器を使って）、或いは時間間隔を少しずらして交互に取得されたかどうか（例えば、ｋＶ−切り換えまたはエネルギー積分型検出器）にかかわらず、多重のエネルギービンに対応する投影データについて、使用出来る。
特定の実施形態において、ホワイトニング変換は、オリジナル基底から無相関基底へ表現を変換するために有利に使用することが出来、ＪＥＰ正則化でデノイジングする方法が無相関基底に当てはめることが出来る。ホワイトニング変換は、例えば、画像間の共分散行列を単位行列化する変換である。ホワイトニング変換は、必ずしも描写中の構造的な類似を減らすことはないが、米国出願案件番号１４／９９７，３６５に検討されている通り、無相関基底における表現間の共分散マトリクスにおける、非対角項を低減し除去する。当該案件１４／９９７，３６５は、その番号を当該実施形態に記載することで、本開示にその全体を組み込むものとする。
描写の共分散マトリクスは、ｎ個の描写があれば、共分散マトリクスはｎ×ｎの次元を有するだろうと思われるように、四次元画像／サイノグラムの表現間のゼロ平均共分散を計算することで、決定される。例えば、二つの物質成分、つまり骨の成分（ｎ＝１）と水の成分（ｎ＝２）とに物質弁別する場合を考えてみる。各物質成分に対し、投影データのサイノグラムは、以下の式（７）によって表すことが可能である。
サイノグラム表現は、システムマトリクス方程式による再構成画像表現に関連することがあり、以下の式（８）の様に与えられる。
骨と水との成分に対応する共分散マトリクスは、以下の式（９）の様に与えられる。
ここでマトリクス要素は平均を差し引いた積の期待値を使用して計算され、以下の式（１０）のように計算することが出来て
そして当該平均は以下の式（１１）のように与えられる。
代わりに、共分散マトリクスは、光子計数検出器の各エネルギービンに一致する個別のスペクトラルサイノグラム成分の間で計算出来る。この場合、変換は、物質成分共分散マトリクスを生成するために、エネルギービン共分散マトリクスについて実行することが出来る。エネルギービン共分散マトリクスから物質成分共分散マトリクスへの変換は、以下で与えられることが出来る。
ここでマトリクスＫの要素は以下の式（１３）で与えられる。
ｆｊ（Ｅ）はエネルギー依存物質減衰係数を意味し、qｉ（Ｅ）は、以下の式（１４）で示す様に、エネルギースペクトル（複数）Ｓ（Ｅ）と検出器反応Ｄ（Ｅ）とから計算出来る、システム重み付け関数である。
ホワイトニング変換を実行するために、ホワイトニングマトリクスが使用される。当該ホワイトニングマトリクスは、共分散マトリクスの固有値分解を実行することで、決定される。共分散マトリクスは、当該共分散マトリクスの固有値（対角行列Λによって表される）および固有ベクトル（マトリクスΦの列によって表される）に分解される。共分散マトリクスを使用し、以下の方程式（１５）を解くことで、固有値と固有ベクトルとが取得され得る。
ここでマトリクスΦは共分散マトリクスに対角化する変換マトリクスであり、マトリクスΦの列は共分散マトリクスの固有値であり、Λはその対角要素として固有値を有する対角マトリクスである。
ホワイトニング変換は、以下の式（１６）の様に計算することができる。
物質成分サイノグラムは、以下の式（１７）の様に、無相関基底サイノグラムに変換することができる。
上で示した例において、物質成分サイノグラムの表現は、無相関基底へと変換された。同様のプロセスは、再構成画像表現に対して使用することが可能で、システムマトリクス方程式（１８）により再構成画像に関連付けられる。
多重表現（つまり、画像またはサイノグラム）からのデータに高い相関性がある場合に、ホワイトニング変換は当該表現を相関関係の無いようにするために使用出来る。そして、ＰＷＬＳ−ＪＥＰデノイジング法は、ノイズを抑制するために無相関基底に適用される。その後に、逆ホワイトニング変換がオリジナル基底におけるデノイズされた表現を取得するために、適用が出来る。
次に図を参照しながら、参照番号が同一の、または様々な図を通して対応する部分を指し示すように、図１は、第三世代ジオメトリに配置されたエネルギー統合検出器と第四世代ジオメトリに配置された光子計数検出器との両方を有する、コンピュータ断層撮像（ＣＴ）スキャナの線源と検出器部分とを示している。
図１に描かれているのは、所定の第四世代ジオメトリにおける光子計数検出器（ＰＣＤ）を、ＣＴスキャナシステムにおいて所定の第三世代ジオメトリにおける検出器ユニット１０３と組み合わせて、配置するための実行である。概略図は、スキャンされる予定の被検体ＯＢＪが天板１１６に横たわっており、Ｘ線源１１２、コリメータ／フィルタ１１４、Ｘ線検出器１０３、そして光子計数ＰＣＤ１からＰＣＤＮまでの相対位置を描いている。
一実施形態において、Ｘ線源１１２とコリメータ／フィルタ１１４とは、ガントリに回転可能に接続されている回転コンポーネント１１０に固定して接続され、ＰＣＤは当該ガントリに固定して接続されている円形コンポーネント１２０に固定して接続されている。ＣＴスキャナのガントリは、被検体ＯＢＪがＸ線源からＸ線の投影面に位置されることが可能なように、開口アパーチャ１１５も含む。Ｘ線検出器１０３は、当該ガントリに回転可能に接続されている回転コンポーネント１３０に固定して接続されている。回転コンポーネント１２０と回転コンポーネント１３０とは、投影角の進行で被検体ＯＢＪの投影データを取得するために、Ｘ線検出器１０３がＸ線源１１２と正反対に位置した状態を維持しながら一緒に回転することが出来る。図１に図示されているようなサイノグラムは、一軸に沿って配置された投影角で投影データと、その他の軸に沿って配置された投影角の空間的次元と、を配置することで作り出される。
スペクトラルＣＴにおいて、多重エネルギー成分を有する放射線が、被検体ＯＢＪの投影測定を行うために使用される。これらの投影測定は、スペクトラルでないＣＴと同様の従来的なＣＴ画像再構成法を可能にする一連の角度で行われる。しかし、スペクトラルでないＣＴとは違い、スペクトラルＣＴは、投影測定を物質成分へ、通常二つの物質成分へと弁別を可能にする、付加情報（つまり、スペクトラル減衰情報）を生成する。物質弁別は、二つの物質成分という結果は、画像化された被検体ＯＢＪを横断するＸ線ビームの減衰を引き起こすのに、二つの支配的な相互作用メカニズムが存在するからである。これらの相互メカニズムとは、コンプトン散乱および光電子吸収である。投影データをスペクトラルドメインから物質ドメインへとマッピングすることは、画像再構成プロセスの前後どちらかに実行することが出来る。
生体物質におけるＸ線の減衰は、二つの物理的プロセス（つまり、光電子吸収とコンプトン散乱）によって占められている。この様にして、エネルギーの関数としての減衰関数は、以下の式（１９）に従う弁別によって近似することが出来る。
代わりにこの減衰係数は、式（２０）となるように、高Ｚ物質（つまり物質１）と低Ｚ物質（つまり物質２）との弁別へと再整理（ｒｅａｒｒａｎｇｅ）が可能である。
検出されたスペクトルは以下の式（２１）のように与えられる。
Ｘ線を吸収する被検体ＯＢＪのない領域を通過して伝播するＸ線に対応するＳａｉｒスペクトルも、例えば以前のキャリブレーションに基づき既に公知である。この検出されたスペクトルは、Ｘ線エネルギービン中への粗粒であるかもしれない（例えば、五つのエネルギービンを使用することが出来、組み合わせられたエネルギービンが約２０ＫｅＶから約１６０ＫｅＶまでのエネルギースペクトラムにわたるように、各エネルギービンのそれぞれが個別のエネルギーサブ帯をカバーしている）。ｍ番目エネルギービンのカウント値Ｎｍは、以下の式（２２）により与えることが出来る。
少なくとも二つのエネルギービンが各ピクセルに対して検出される場合、投影画像の各ピクセルに対する投影の長さＬ１（ｘｉ）とＬ２（ｘｉ）は、各エネルギービンにおいて検出されたエネルギースペクトルとカウント数とに対する上の式を使用しながら、推定することが出来る。第一および第二の物質成分に対応するエネルギー分解されたＸ線カウントから投影の長さへの変換は、物質弁別と呼ばれる。物質弁別サイノグラムは、二次元検出器アレイと投影角に対応する三次元とにおける、個別の検出器素子のインデックスに対応する二次元を有する、三次元データとして配置された個別の投影の長さの可能性がある。
図２は、デノイジング再構成画像に対する方法２００のフロー概要図を示している。
方法２００のステップ２１０において、再構成画像は投影データから生成される。投影データを生成するための測定プロセス（つまり投影スキャン）は、本質的にノイズの可能性があり、ノイジーな画像の生成という結果になる。ノイジーな画像は、例えば物質成分、スペクトラル成分、またはスペクトラルＣＴにおいて取得された単一のエネルギーの画像に対応することが出来る。再構成画像は、フィルタ逆投影法、統計逐次再構成法、または任意の既知の断層撮像画像再構成法を使用しながら生成が出来る。
方法２００のステップ２２０において、ノイジーな画像間の共分散マトリクスは、上述のサイノグラムの共分散マトリクスと同様の方法で決定される。更に、共分散マトリクスの固有値分解は、以下の式（２３）を生み出す。
方法２００のステップ２３０において、ホワイトニング変換が決定される。ホワイトニング変換は、式（２４）によって与えられる。
方法２００のステップ２４０において、ホワイトニング変換は、画像を相関関係の無い基底画像Ｕ１ （ｘ）とＵ２ （ｘ）とに変換するために使用される。
方法２００のステップ２５０において、デノイズされた画像は、式（２５）で表されるＰＷＬＳ目的関数を解くことで取得される。
特定の実行において、正則化Ｒｎ（Ｕｎ （ｘ））は、次の式（２６）によって与えられる。
エッジ保存パラメータδｍは、対応するノイジーな画像のＣＮＲと、ノイジーな画像間の関連する重み付けと、に依存出来る。任意の公知である方法が、ＰＷＬＳ目的関数を最小化する独立変数を見つけ出すために、使用することが出来る。例えば、分離可能な放物面サロゲート（ＳＰＳ）アルゴリズムを使用してもよい。
方法２００のステップ２６０において、相関関係のある基底におけるデノイズされた画像が、次の式（２７）を使用してオリジナル基底に変換し戻される。
図３Ａと３Ｃとは、無相関基底におけるノイジーな画像である。図３Ｂと３Ｄとは、無相関基底におけるデノイズされた画像である。図３Ｂおよび３Ｄにおけるデノイズされた画像は、ＪＥＰ正則化を使用して取得されたものである。図３Ｂと３Ｄとは、それぞれ図３Ａと３Ｃとに対応する。見て分かる通り、ＪＥＰ正則化は、デノイズされた画像におけるエッジを維持しながら画像をデノイジングすることに長けている。この例だと、ＳＰＳアルゴリズムが、目的関数の最小について解くために使用された。
図４Ａと４Ｂとは、物質成分基底におけるノイジーな画像を示している。図４Ａは、骨の物質成分に対応する。図４Ｃは、水の物質成分に対応する。図４Ｂと４Ｄとは、物質成分基底におけるデノイズされた画像を示している。図４Ｂは、骨の物質成分に対応する。図４Ｄは、水の成分に対応する。
方法２００は二つの物質成分に対応している二つの表現のみを使用して例示されているが、方法２００は二つ以上の表現で使用することも出来る。例えば、ＣＴスキャナは、例えば検出されたＸ線を、Ｘ線スペクトルの五つの異なるエネルギー幅に対応している五つのエネルギービンへと分解する、スペクトラル的に分解するＸ線測定を実行するよう構成されている可能性があるだろう。係る場合、個別のエネルギー幅に対応する、五つの表現が方法２００で使用される可能性があるだろう。代わりに、五つのエネルギービンは、二つの物質成分に分解することが可能であり、デノイジング方法が当該二つの物質成分に対して実行することが出来る。
特定の実施形態において、共分散マトリクスの計算は、ステップ２２０、２３０、そして２５０におけるホワイトニング変換や逆変換と一緒に、省略が出来る。係る場合、デノイジングは、相関関係の無い基底に変換することなく、オリジナル基底において実行することが出来る。
特定の実施形態において、エッジ保存パラメータδ１とδ２とは、個別の画像のコントラスト対ノイズ比に依存が出来る。例えば、大きなＣＮＲを示している画像に対し、エッジ情報をより良く保存するために、エッジ保存パラメータ値を小さな値とすることがある。また反対に、画像が小さなＣＮＲを示す場合に、エッジ保存パラメータ値は、ノイズを抑制するために大きな値とすることがある。
特定の実施形態において、画像の個別のＣＮＲの相対的大きさは、エッジ保存パラメータδ１とδ２の相対値を決定するために、使用することが出来る。例えば、第一の画像のＣＮＲが第二の画像のＣＮＲよりも大きい場合、正則化における第一の画像により重みを与えるため、δ１はδ２よりも小さくなるように選択することが出来るし、そのまた逆も然りである。
図５は、ノイジーなサイノグラムデータのデノイジングおよび、デノイズされたサイノグラムデータからデノイズされた画像の再構成の方法５００のフロー概要図を示している。方法５００は、スペクトラルＣＴの例に適用されるが、その他の四次元画像／サイノグラムに適用されても良い。
方法５００のステップ５１０において、サイノグラムデータは生成されるが、当該サイノグラムデータは測定プロセスに内在するノイズのために、ノイジーである。当該ノイジーなサイノグラムデータは、例えば、物質成分、スペクトラル成分、または単一のエネルギーサイノグラムに対応する可能性がある。
方法５００のステップ５２０において、ノイジーな画像の共分散マトリクスが、方法２００のステップ２２０と同様に、決定される。
方法５００のステップ５３０において、次の式（２８）によって与えられているホワイトニング変換が決定される。
方法５００のステップ５４０において、ホワイトニング変換は、サイノグラムを相関関係の無い基底に変換するために使用される。
方法５００のプロセス５５０において、デノイズされたサイノグラムは、次の式（２９）に示すＰＷＬＳ目的関数を解くことで取得される。
特定の実施形態において、正則化は、次の式（３０）によって与えられる。
エッジ保存パラメータδｍは、方法２００について説明されたエッジ保存パラメータδｍと同様に、対応するノイジーなサイノグラムのコントラスト対ノイズ比とノイジーなサイノグラム間の相対的重み付けとに依存が出来る。任意の公知の方法が、ＰＷＬＳ目的関数を最小化する独立変数を探し出すために使用することが出来る。例えば、ＳＰＳアルゴリズムを使用しても良い。
方法５００のステップ５６０において、相関関係のある基底におけるデノイズされたサイノグラムは、次の式（３１）によって与えられるオリジナル基底へと変換し戻される。
方法５００のステップ５７０において、デノイズされた画像は、任意の公知の再構成法を使用して、デノイズされたサイノグラムから再構成することが出来る。例えば、フェルドカンプ−デービス−クレス（ＦＤＫ）アルゴリズムを使用して、または乗数の代替方向（ＡＤＭＭ）法など逐次再構成アルゴリズムを使用して、再構成が出来る。
図６Ａと６Ｃとは、物質成分基底におけるノイジーなサイノグラムを示している。図６Ｂと６Ｄとは、物質成分基底における個別にデノイズされたサイノグラムを示している。図６Ｂおよび６Ｄに示されたデノイズされたサイノグラムは、ＪＥＰ正則化を使用して取得され、図６Ｂおよび６Ｄは、図６Ａおよび６Ｃに示されたサイノグラムに、個別に対応する。この例だと、ＳＰＳアルゴリズムが、目的関数を最小化するために使用された。
図７Ａと７Ｃとは、図６Ａおよび６に示されたサイノグラムから個別に再構成された、物質成分基底におけるノイジーな画像を示している。同様に、７Ｂと７Ｄとは、図６Ｂおよび６Ｄに示されたサイノグラムから個別に再構成された、物質成分基底におけるデノイズされた画像を示している。図６Ａ、６Ｃ、７Ａ、７Ｃは骨の物質成分に対応する一方、図６Ｂ、６Ｄ、７Ｂ、７Ｄは水の物質成分に対応する。
図８は、ノイジーなサイノグラムデータから再構成画像を生成且つデノイジングする（ｇｅｎｅｒａｔｉｎｇ ｄｅｎｏｉｓｉｎｇ）方法８００のフロー概要図を示している。方法８００は、スペクトラルＣＴの例に適用される。
方法８００のステップ８１０において、サイノグラムデータは生成されるが、当該サイノグラムデータは計測プロセスに内在するノイズのために、ノイジーである。当該ノイジーなサイノグラムデータは、例えば、物質成分、スペクトラル成分、または単一のエネルギーサイノグラムに対応する可能性がある。
方法８００のステップ８２０において、ノイジーな画像の共分散マトリクスか、またはノイジーなサイノグラムの共分散マトリクスかのどちらかが、ホワイトニング変換が画像またはサイノグラムに基づくかどうかによって、決定される。
方法８００のステップ８３０において、ホワイトニング変換Ｗが決定される。特定の実行において、ホワイトニング変換は、サイノグラムを使用して決定することが出来る。代わりに、ホワイトニング変換は、予備で再構成画像を使用して決定しても良い。例えば、当該予備での再構成画像は、サイノグラムについてフィルタ補正逆投影法を実行することで、生成することが出来る。
方法８００のステップ８４０において、ホワイトニング変換は、サイノグラムを無相関基底に変換するために、使用される。
方法８００のプロセス８５０において、再構成画像Ｕｎ （ｘ）は、ＰＷＬＳ目的関数（３２）を最小化するために生成される。
特定の実施形態において、全ての表現に対するシステムマトリクスは、全く同じの場合がある（つまりＡｎ＝Ａｎ）。特定の実施形態において、正則化は、ノイジーな画像として予備で再構成された画像を使用して、方法２００において使用された正則化とすることが出来る。また特定の実施形態において、正則化は、以下の式（３３）の様に与えられる。
エッジ保存パラメータδｍは、方法２００および５００について説明されたエッジ保存パラメータδｍと同様に、予備の再構成画像に対応するコントラスト対ノイズ比に依存が出来る。目的関数を最適化する方法は、任意の公知の方法とすることが出来、例えば、ＳＰＳ法、分離可能二次サロゲート法、乗数の代替方向（ＡＤＭＭ）法、期待値最大化法、勾配探索法、増大されたラグランジュ法等を含む。
方法８００のステップ８６０において、相関関係のある基底におけるデノイズされた画像は、式（３４）によって与えられ、オリジナル基底へと変換し戻される。
図９は、異なる時間で撮られた一連のＣＴスキャンに対応する再構成画像をデノイジングするための方法９００のフロー概要図を示す。
方法９００のステップ９１０において、異なる時間でのサイノグラムに対する投影データ（つまり投影データセット）が収集される。例えば、当該投影データセットは、造影剤が患者に注入される前の第一のＣＴスキャンに対するサイノグラムデータと、注入された後の第二のＣＴスキャンに対するサイノグラムデータと、を含むことが出来る。
方法９００のステップ９２０において、再構成画像が、各ＣＴスキャンに対して生成される。これらの画像は、上述の任意の方法を含む、任意の公知のＣＴ画像再構成方法を使用して再構成しても良い。
方法９００のステップ９３０において、位置合わせがステップ９２０において生成されたノイジーな画像に実行される。図１０は、関心のある領域（ＲＯＩ）における画像相関を最大化するために、空間的な変換（例えば、回転および並進）を使用して、画像を位置合わせする一例を例示している。相関関係は、四次元画像の時間的に近傍する三次元画像の間の可能性がある。ＲＯＩは、第一の三次元画像と第二の三次元画像とにおいて、予め定められた探索領域である。図１０は、第二の三次元画像のＲＯＩの一例を例示している。第一の画像のＲＯＩは、第二の三次元画像のＲＯＩと同じサイズである。しかし、第一の三次元画像と第二の三次元画像との取得時間の間に患者が動くと、二枚の三次元画像における特徴の位置の間に、差異という結果（例えば、並進オフセットと回転オフセット）になる可能性がある。従って、変換は、二枚の三次元画像が位置合わせされるのを生じさせる場合、最大の相互相関値を見つけ出すために、一つのＲＯＩをその他のＲＯＩについて変換しながら、相互相関を実行出来る。
相互関係関数が、並進と回転との両方を含む可能性があるところで、第一の三次元画像と第二の三次元画像との間の相互相関関数の最大値を見つけ出すことで、位置合わせを実行することが出来る。代わりに、変換作用素の独立変数が並進と回転との両方を含むところで、第一の三次元画像と第二の三次元画像との間の重なり積分を最大化する、独立変数（つまり変換）について解くことにより、位置合わせを実行しても良い。
第二の三次元画像の補間と変換されたＲＯＩに対応するグリッド上へのマッピングとにより、位置合わせされた枠を取得することが出来る。相互相関関数の変換独立変数を最適化するための、任意の公知の検索法が使用出来る。
図９に戻り、方法９００のステップ９４０において、差分画像が計算される。例えば、一連の二枚以上の画像において、第一の画像を除きそれぞれの画像は、差分画像（サブトラクション画像）を生成するために時系列で、第一の画像から差し引くことが出来る。造影剤の注入の前後に対応する二つのスキャンのみの場合、造影剤のない画像は、差分画像を生成するために造影剤のない画像から差し引くことが出来る。
方法９００のプロセス９５０において、ＪＥＰ−ＰＷＬＳデノイジング法は、目的関数（３５）を解くデノイズされた画像を見つけ出すことで、差分画像と第一の画像とに適用される。
特定の実施形態において、正則化は、次の式（３６）によって与えることが出来る。
エッジ保存パラメータδｍは、方法２００、５００、８００に対して上で説明した通り、個別の表現のＣＮＲに合わせることが出来る。
図１１は、異なる時間で撮られた一連のＣＴスキャンに対応する再構成画像のデノイジングに対する方法１１００のフロー概要図を示す。
方法１１００のステップ１１１０で、方法９００のステップ９１０と同様、異なる時間でのサイノグラムに対する投影データが収集される。
方法１１００のステップ１１２０で、方法９００のステップ９２０と同様、再構成画像が各ＣＴスキャンに対して生成される。
方法１１００のステップ１１３０で、方法９００のステップ９３０と同様、ステップ１１２０で生成されたノイジーな画像に位置合わせが実行される。
方法１１００のステップ１１４０で、様々な表現に対応する位置合わせされた画像は、集約画像（平均画像）を生成するために平均化される。表現画像の相関関係のないノイズについての平均化の結果として、構成要素表現画像のＳＮＲおよびＣＮＲよりも、集約画像に対するより大きなＳＮＲおよびＣＮＲを生み出しながら、ノイズは集約画像に抑制される。結果的に、ＪＥＰ−ＰＷＬＳデノイジング法において、集約画像に対応するエッジ保存パラメータδｍは、より小さくすることが可能で、より鮮明なエッジを生み出すことに繋がる。
方法１１００のプロセス１１５０において、ＪＥＰ−ＰＷＬＳデノイジング法は、様々な表現画像と一緒に、集約画像の組み合わせに適用される。ＪＥＰ−ＰＷＬＳデノイジング法は、目的関数（３７）を解くデノイズされた画像を見つけ出すことで実行される。
正則化は、方法２００、５００、８００、９００における正則化と同様の式で、与えることが出来る。
図１２は、両方のエネルギー積分型検出器が第三世代ジオメトリに配置され、またＰＣＤが第四世代ジオメトリに配置されている、コンピュータ断層（ＣＴスキャナ）を示す。図１２に描かれているのは、ＣＴスキャナシステムでの所定の第三世代ジオメトリにおける検出器ユニット１０３と組み合わせた、所定の第四世代ジオメトリにおけるＰＣＤを配置するための実施形態である。概略図は、Ｘ線源１１２、コリメータ／フィルタ１１４、Ｘ線検出器１１０３、そしてＰＣＤ１からＰＣＤＮまでの光子計数検出器の間の相対位置を例示している。
図１２に示した、Ｘ線源１１２と検出器ユニット１０３およびＰＣＤを含む検出器との構成に加えて、Ｘ線検出器とＸ線源のその他のタイプや組み合わせが、投影データを取得するために使用することが出来る。例えば、検出器ユニット１０３またはＰＣＤのどちらかが図１２に示されたスキャナから省略されて良いだろうし、またスキャナはそれでもやはり投影データを取得することが出来るだろうし、そのような場合になっても（albeit）、投影データとは異なる図１２に示された完全なシステムを使用して取得される。更に、ｋＶ切り換えは、エネルギー積分型検出器またはＰＣＤと一緒に使用することが出来るであろう。特定の実施形態において、最初にシンチレーション光子を生成することなく、セミコンダクタがＸ線を光電子に直接変換することを利用して、ＰＣＤは直接Ｘ線検出器の可能性がある。加えて、特定の実施形態において、ブロードバンドＸ線源がスペクトラル的に解決するＸ線検出器と共に使用出来る。これらのスペクトラル的に解決するＸ線検出器は、任意の構造（例えば、所定の第三世代ジオメトリまたは所定の第四世代ジオメトリ）におけるＰＣＤ、または個別のスペクトラルフィルタに先行してエネルギー積分型検出器、を含むことが出来る。特定の実施形態において、Ｘ線源は二重線源ＣＴスキャナなど、多重の狭帯域Ｘ線源を含むことが出来る。一般的に、検出器タイプと、Ｘ線源の組み合わせ又はあらゆる公知のタイプと、一緒になった構成は、投影データを生成するために使用されて良い。
図１２に戻って、図１２もＸ線投影データを収集し、格納し、処理し、分布するための回路およびハードウェアを示す。回路とハードウェアは、プロセッサ１４７０、ネットワークコントローラ１４８０、メモリ１４７８、そしてデータ収集システム１４７６を含む。
代わりの一実施形態において、ＣＴスキャナは、ＰＣＤを含むがエネルギー統合型検出器ユニット１０３を含まない。
Ｘ線源１１２と検出器ユニット１０３とはガントリ１１４０に格納され、個別に円軌道１１０と１３０との周りを回転することにより、光子計数検出器ＰＣＤと検出器回路１０３とは、データ収集の間に送られたＸ線を個別に検出し、検出信号（検出データ）を出力する。ＰＣＤ１からＰＣＤＮまでの光子計数検出器は、所定のエネルギービンのそれぞれに対して、送られたＸ線を断続的に検出し、光子の数を表すカウント値を個別に出力する。他方で、検出器ユニット１０３における検出器素子は、送られたＸ線を継続して検出し、検出器１０３が回転しながら検出された信号を継続して出力する。一実施形態において、検出器ユニット１０３は、検出器ユニット表面上に所定のチャンネルとセグメント方向とにおいて、エネルギー積分型検出器を密に配置している。
一実施形態において、Ｘ線源１１２と、ＰＣＤおよび検出器ユニット１０３とは、半径の異なる三つの所定の円軌道をまとめて形作る。光子計数検出器が第二の円軌道１２０に沿って疎に設置されている一方で、少なくとも一つのＸ線源１１２は第一の円軌道１１０に沿って回転する。更に、検出器ユニット１０３は、第三の円軌道１３０に沿って移動する。第一の円軌道１１０と、第二の円軌道１２０と、第三の円軌道１３０とは、ガントリ１４４０に回転可能に取り付けられた環状リングによって、決定することが出来る。
さらに、代わりの実施形態は、所定の第四世代ジオメトリをＣＴスキャナにおける所定の第三世代ジオメトリにおける検出器ユニットと組み合わせて、光子計数検出器を設置するために使用することが出来る。
一実施形態において、Ｘ線源１１２は、選択的に単一のエネルギー線源である。また別の一実施形態において、Ｘ線源１１２は、所定の高レベルのエネルギーでまたは所定の低レベルのエネルギーでのＸ線を発するための、ｋＶ−切り換え機能を実行するよう構成されている。またさらに別の実施形態において、Ｘ線源１１２はＸ線エネルギーの幅広いスペクトルを発する単一の線源である。さらにまた別の実行において、Ｘ線源１１２は、空間的且つスペクトラル的に異なるそれぞれの照射器（ｅｍｉｔｔｅｒ）を伴う多重Ｘ線照射器を含む。
検出器ユニット１０３は、シンチレータ素子と相互作用するＸ線放射から結果として生じるシンチレーションからの結果として得られるシンチレーション光子を検出するために、光電子倍増管またはアバランシェフォトダイオードを伴うシンチレーション素子などのエネルギー積分型検出器を使える。シンチレータ素子は、水晶、有機液体、プラスチック、またはその他の公知のシンチレータの可能性がある。
ＰＣＤは、テルル化カドミウム（ＣｄＴｅ）、テルル化カドミウム亜鉛（ＣＺＴ）、シリコン（Ｓｉ）、ヨウ化水銀（ＨｇＩ２）やガリウムヒ素（ＧａＡｓ）など、半導体に基づいた直接Ｘ線放射検出器を使うことが出来る。
ＣＴスキャナは、光子計数検出器と検出器ユニット１０３とからの投影測定結果を、データ収集システム１４７６、プロセッサ１４７０、メモリ１４７８、ネットワークコントローラ１４８０に送る、データチャンネルも含む。データ収集システム１４７６は、検出器からの投影データの収集、デジタル化、ルーティング（ｒｏｕｔｉｎｇ）を制御する。データ収集システム１４７６は、回転コンポーネント１１０および１３０の回転を制御する放射線制御回路も含む。一実施形態において、データ収集システム１４７６は、寝台１１６の移動、Ｘ線源１１２の操作、そしてＸ線検出器１０３の操作も制御するだろう。データ収集システム１４７６は、集中型システムの可能性もあるし、または代替的に分散型システムの可能性もある。一実施形態において、データ収集システム１４７６は、プロセッサ１４７０に統合されている。プロセッサ１４７０は、投影データからの画像再構成、投影データの前再構成処理、そして画像データの後再構成処理を含む機能を実行する。
投影データの前再構成処理は、検出器キャリブレーション、検出器非線形性、極性効果、ノイズバランシング、そして物質弁別に対する補正を含むことが出来る。加えて、当該前再構成処理は、方法５００を使用しながらサイノグラムデータをデノイジングすることを含むことが出来る。
後再構成処理は、必要に応じ、画像のフィルタリングやスムージング、ボリュームレンダリング処理、画像差異処理を含むことが可能である。加えて、方法２００、９００、１１００のうちの一つを使用して再構成画像をデノイジングすることを含むことが可能である。
画像再構成処理は、フィルタ補正逆投影法、逐次画像再構成法、または確率論的画像再構成法を使用して、実行が可能である。更に、画像再構成処理は、方法８００を使用しながら再構成画像の再構成やデノイジングの組み合わせられた処理を含んでも良い。
プロセッサ１４７０とデータ収集システム１４７６との両方は、例えば投影データ、再構成画像、キャリブレーションデータやパラメータ、そしてコンピュータプログラムを記憶するために、メモリ１４７６を利用出来る。
プロセッサ１４７０は、特定用途向け集積回路(ＡＳＩＣ)、フィールドプログラマブルゲートアレイ(ＦＰＧＡ)、または複合プログラマブル論理デバイス(ＣＰＬＤ)など、個々の論理ゲートとして実行可能な、ＣＰＵを含むことが出来る。ＦＰＧＡまたはＣＰＬＤ実行は、ＶＨＤＬ、ベリログ、またはその他ハードウェア記述言語でコード化されていてもよく、そして当該コードはＦＰＧＡまたはＣＰＬＤにおける電子メモリ内に直接格納されてもよいし、または個別の電子メモリとして格納されてもよい。更に、メモリは、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（登録商標）、またはフラッシュメモリなど、不揮発性メモリであってもよい。メモリは、静的または動的ＲＡＭなど揮発性で、マイクロコントローラまたはマイクロプロセッサなどのプロセッサであってもよく、ＦＰＧＡまたはＣＰＬＤとメモリとの間の相互作用と同様、電子メモリを管理するために提供されていてもよい。
代わりに、再構成プロセッサにおけるＣＰＵは、本開示で説明された機能を実行するコンピュータ読み取り可能命令のセットを含んでいるコンピュータプログラムを実行してよく、当該コンピュータプログラムは、任意の上で説明された非一時的電子メモリおよび／またはハードディスクドライブ、ＣＤ、ＤＶＤ、フラッシュドライブ、または任意のその他の既知の格納媒体に格納されている。更に、コンピュータ読み取り可能命令は、ユーティリティアプリケーション、バックグラウンドデーモン、またはオペレーティングシステムの構成要素、またはそれらの組み合わせで提供されてもよく、所定のプロセッサ、所定のオペレーティングシステムや、当業者にとっては既知のその他のオペレーティングシステムがプロセッサと一体となって実行する。更に、ＣＰＵは、命令を実行するために並行して協同的に動く、多重プロセッサとして実行されても良い。
一実施形態において、再構成画像は、ディスプレイ５１６上に映し出すことが出来る。ディスプレイ５１６は、ＬＣＤディスプレイ、ＣＲＴディスプレイ、プラズマディスプレイ、ＯＬＥＤ、ＬＥＤ、または当業者にとって既知のその他ディスプレイであっても良い。
メモリ１４７８は、ハードディスクドライブ、ＣＤ-ＲＯＭドライブ、ＤＶＤドライブ、ＦＬＡＳＨドライブ、ＲＡＭ、ＲＯＭ、または当業者にとって既知のその他の記憶媒体であっても良い。
ネットワークコントローラ１４８０は、ＣＴスキャナの様々な部分間と相互作用することが出来る。加えて、ネットワークコントローラ１１８０は、外部ネットワークと相互作用も出来る。理解されている通り、外部ネットワークは、インターネットなど公衆ネットワークや、私的なネットワークや、或いはこれらの任意の組み合わせでも良く、サブネットワークを含んでも良い。外的なネットワークは、有線で接続されていても良いし、またはセルラーネットワークのような無線でも良い。無線ネットワークは、任意の公知の通信の無線形式である可能性もある。
特定の実施形態が本開示で述べられてきた一方で、これらの実施形態は実例の方法のみで提示されており、開示の範囲を限定する意図はない。実に、本開示で述べられた新たな方法、装置やシステムは、他の様々な形態で具体化されてよく、更には、本開示の精神から乖離することなく、本開示に述べられた方法、装置やシステムの形式で省略、置き換え、変更がなされてもよいだろう。
１０３…検出器、１１０、１２０…回転コンポーネント、１１２…Ｘ線源、１１４…コリメータ／フィルタ、１１５…開口アパーチャ、１１６…寝台（天板）、５１６…ディスプレイ、１１０３…Ｘ線検出器、１１４０…ガントリ、１１５０…プロセス、１１８０…ネットワークコントローラ、１４４０…ガントリ、１４７０…プロセッサ、１４７６…データ収集システム、１４７６、１４７８…メモリ、１４８０…ネットワークコントローラ、Ｄ１…光子計数ＰＣ

Claims (17)

  1. 被検体を透過した透過Ｘ線を検出して得られる複数の検出データに起因する複数の入力データを取得する取得部と、
    前記複数の入力データのうちの第一の入力データをデノイズし、前記デノイズされた第一の入力データと、前記複数の入力データのうちの少なくとも二つの入力データに依存する正則化を含む目的関数と、を使用して画像を生成する画像生成部と、
    を具備する医用画像処理装置。
  2. 前記画像生成部は、前記第一の入力データ以外の少なくとも一つの前記入力データのエッジ情報に基づいて、前記第一の入力データをデノイズする請求項１記載の医用画像処理装置。
  3. 前記画像生成部は、前記正則化としてのジョイントエッジ保存正則化を含む前記目的関数を使用して、前記画像を生成する請求項１又は２記載の医用画像処理装置。
  4. 前記画像生成部は、
    前記複数の入力データのそれぞれをデノイズし、
    前記デノイズされた複数の入力データと、前記複数の入力データに依存するジョイントエッジ保存正則化を含む目的関数と、を使用して、複数の画像を生成する、
    請求項３記載の医用画像処理装置。
  5. 前記ジョイントエッジ保存正則化は、前記少なくとも二つの入力データに対応する個別のエッジ保存パラメータを含むガウス項の積を含み、
    前記個別のエッジ保存パラメータは、前記少なくとも二つの入力データの個別のコントラスト対ノイズ比の逆数と相関する請求項４記載の医用画像処理装置。
  6. 前記ガウス項は、前記少なくとも二つの入力データの近接する位置間の差異の関数であり、前記少なくとも二つの入力データのエッジ保存パラメータに比例する幅と、前記デノイズされた入力データの近接する位置間の差異の二乗と、を含む請求項５記載の医用画像処理装置。
  7. 前記目的関数は、前記複数の入力データのうちの第一の入力データと第二の入力データとに依存する正則化を含むものであり、
    前記第一の入力データに対応する前記エッジ保存パラメータは、当該第一の入力データのコントラスト対ノイズ比が前記第二の入力データのコントラスト対ノイズ比よりも小さい場合には、前記第二の入力データに対応する前記個別のエッジ保存パラメータよりも大きく、
    前記第一の入力データに対応する前記エッジ保存パラメータは、当該第一の入力データのコントラスト対ノイズ比が前記第二の入力データのコントラスト対ノイズ比よりも大きい場合には、前記第二の入力データに対応する前記個別のエッジ保存パラメータよりも小さい、請求項６記載の医用画像処理装置。
  8. 前記画像生成部は、罰則付き重み付された最小二乗項を含む前記目的関数を使用して、前記画像を生成する請求項１乃至７のうちいずれか一項記載の医用画像処理装置。
  9. 前記複数の入力データは、エネルギー弁別型の検出器によって検出されたデータである請求項１乃至８のうちいずれか一項記載の医用画像処理装置。
  10. 前記複数の入力データは、複数のエネルギー帯に対応する前記透過Ｘ線のいずれかを用いて検出されたデータである請求項１乃至８のうちいずれか一項記載の医用画像処理装置。
  11. 前記取得部は、前記複数の入力データとして複数の画像データを取得する請求項１乃至１０のうちいずれか一項記載の医用画像処理装置。
  12. 前記取得部は、前記複数の入力データとして複数の差分画像データを取得する請求項１乃至１０のうちいずれか一項記載の医用画像処理装置。
  13. 前記取得部は、前記複数の入力データとして、前記複数の画像データの平均画像と複数の差分画像データと取得し、
    前記画像生成部は、前記平均画像に依存する正則化を含む目的関数を使用して画像を生成する請求項１乃至１０のうちいずれか一項記載の医用画像処理装置。
  14. 前記取得部は、前記複数の入力データとして複数のサイノグラムデータを取得し、
    前記画像生成部は、前記複数のサイノグラムデータを用いた逐次再構成処理により、前記画像を再構成する請求項１乃至１０のうちいずれか一項記載の医用画像処理装置。
  15. 前記画像生成部は、
    ホワイトニング変換された前記複数の入力データを用いてデノイズした後、逆ホワイトニング変換されたデータを用いて、前記画像を生成する請求項１乃至１４のうちいずれか一項記載の医用画像処理装置。
  16. Ｘ線発生部と、
    前記Ｘ線発生部から照射され、被検体を透過した透過Ｘ線を検出し検出信号を発生する検出部と、
    前記検出信号に基づく複数の入力データを取得する取得部と、
    前記複数の入力データのうちの第一の入力データをデノイズし、前記デノイズされた第一の入力データと、前記複数の入力データのうちの少なくとも二つの入力データに依存する正則化を含む目的関数と、を使用して画像を生成する画像生成部と、
    を具備するＸ線コンピュータ断層撮像装置。
  17. コンピュータにより、
    被検体を透過した透過Ｘ線を検出して得られる複数の検出データに起因する複数の入力データを取得し、
    前記複数の入力データのうちの第一の入力データをデノイズし、
    前記デノイズされた第一の入力データと、前記複数の入力データのうちの少なくとも二つの入力データに依存する正則化を含む目的関数と、を使用して画像を生成すること、
    を具備する医用画像処理方法。
JP2017197142A 2016-10-07 2017-10-10 医用画像処理装置、ｘ線コンピュータ断層撮像装置及び医用画像処理方法 Pending JP2018057867A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/288,200 US10360677B2 (en) 2016-10-07 2016-10-07 Apparatus and method for joint-edge-preserving regularization to reduce noise in four-dimensional computed tomography images
US15/288,200 2016-10-07

Publications (1)

Publication Number Publication Date
JP2018057867A true JP2018057867A (ja) 2018-04-12

Family

ID=61829016

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017197142A Pending JP2018057867A (ja) 2016-10-07 2017-10-10 医用画像処理装置、ｘ線コンピュータ断層撮像装置及び医用画像処理方法

Country Status (2)

Country Link
US (1) US10360677B2 (ja)
JP (1) JP2018057867A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101982941B1 (ko) * 2017-12-18 2019-08-28 연세대학교 원주산학협력단 퍼지 신경망을 이용한 ｃｔ 영상의 허상 제거 방법 및 장치
KR20200082105A (ko) * 2018-12-28 2020-07-08 연세대학교 산학협력단 광자계수형 검출기 기반 다중에너지 ct 영상 보정 장치 및 방법
JP2022520840A (ja) * 2019-02-19 2022-04-01 プリズマティック、センサーズ、アクチボラグ 拡張スペクトルｘ線画像化

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11798205B2 (en) * 2018-01-02 2023-10-24 Koninklijke Philips N.V. Image reconstruction employing tailored edge preserving regularization
EP3578102B1 (de) * 2018-06-07 2021-05-19 Siemens Healthcare GmbH Verfahren zum betreiben eines medizinischen röntgengerätes; sowie röntgengerät
EP3813670A1 (en) * 2018-06-29 2021-05-05 Mayo Foundation for Medical Education and Research System and method for high fidelity computed tomography
CN109521456B (zh) * 2018-09-25 2022-10-21 中国辐射防护研究院 一种基于正则化最小二乘法的γ辐射源项反演方法及***
WO2020223865A1 (zh) * 2019-05-06 2020-11-12 深圳先进技术研究院 Ct图像重建方法、装置、存储介质和计算机设备
US11176642B2 (en) * 2019-07-09 2021-11-16 GE Precision Healthcare LLC System and method for processing data acquired utilizing multi-energy computed tomography imaging
CN110880195B (zh) * 2019-10-23 2020-09-15 李夏东 4dct的影像组学特征提取图像重建方法、介质和装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7187794B2 (en) * 2001-10-18 2007-03-06 Research Foundation Of State University Of New York Noise treatment of low-dose computed tomography projections and images
WO2010096701A1 (en) * 2009-02-20 2010-08-26 Mayo Foundation For Medical Education And Research Projection-space denoising with bilateral filtering in computed tomography
US8233586B1 (en) 2011-02-17 2012-07-31 Franz Edward Boas Iterative reduction of artifacts in computed tomography images using forward projection and an edge-preserving blur filter
EP2732431B1 (en) 2011-07-15 2019-03-13 Koninklijke Philips N.V. Image processing for spectral ct
DE102012204977B4 (de) 2012-03-28 2017-05-18 Siemens Healthcare Gmbh Verfahren zur iterativen Bildrekonstruktion für Bi-Modale CT-Daten sowie entsprechende Recheneinheit, Computertomographiesystem, Computerprogramm und Datenträger
US9600866B2 (en) 2012-11-26 2017-03-21 Koninklijke Philips N.V. Projection data de-noising
US9700264B2 (en) 2013-10-25 2017-07-11 The Johns Hopkins University Joint estimation of tissue types and linear attenuation coefficients for computed tomography
CN104268914B (zh) 2014-10-24 2017-01-18 山东师范大学 一种4d‑ct不同时相序列图像的重建方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101982941B1 (ko) * 2017-12-18 2019-08-28 연세대학교 원주산학협력단 퍼지 신경망을 이용한 ｃｔ 영상의 허상 제거 방법 및 장치
KR20200082105A (ko) * 2018-12-28 2020-07-08 연세대학교 산학협력단 광자계수형 검출기 기반 다중에너지 ct 영상 보정 장치 및 방법
KR102158920B1 (ko) * 2018-12-28 2020-09-22 연세대학교 산학협력단 광자계수형 검출기 기반 다중에너지 ct 영상 보정 장치 및 방법
JP2022520840A (ja) * 2019-02-19 2022-04-01 プリズマティック、センサーズ、アクチボラグ 拡張スペクトルｘ線画像化
JP7362752B2 (ja) 2019-02-19 2023-10-17 プリズマティック、センサーズ、アクチボラグ 拡張スペクトルｘ線画像化

Also Published As

Publication number Publication date
US20180101948A1 (en) 2018-04-12
US10360677B2 (en) 2019-07-23

Similar Documents

Publication Publication Date Title
US20230119427A1 (en) Apparatus and method for medical image reconstruction using deep learning for computed tomography (ct) image noise and artifacts reduction
US10360677B2 (en) Apparatus and method for joint-edge-preserving regularization to reduce noise in four-dimensional computed tomography images
US10274439B2 (en) System and method for spectral x-ray imaging
JP7139119B2 (ja) 医用画像生成装置及び医用画像生成方法
JP7073134B2 (ja) 医用画像生成装置
JP2019069145A (ja) 医用画像処理装置及び医用画像処理システム
US8855395B2 (en) Conditional likelihood material decomposition and methods of using the same
Richard et al. Quantitative imaging in breast tomosynthesis and CT: Comparison of detection and estimation task performance
EP2866661B1 (en) Estimating multi-energy data in a radiation imaging modality
US8885903B2 (en) Method and apparatus for statistical iterative reconstruction
JP6793469B2 (ja) データ処理装置、ｘ線ｃｔ装置及びデータ処理方法
JP2017196404A (ja) 画像処理装置、ｘ線ｃｔ装置及び画像処理方法
JP2016536032A (ja) 電子密度画像の連結再構成
JP2017209498A (ja) Ｘ線コンピュータ断層撮影装置及び医用画像処理装置
JP2021013725A (ja) 医用装置
US9943279B2 (en) Methods and systems for task-based data generation and weighting for CT spectral imaging
US10383589B2 (en) Direct monochromatic image generation for spectral computed tomography
JP2020075078A (ja) 医用画像処理装置、ｘ線ｃｔ装置および医用画像処理方法
EP3326154B1 (en) Method and apparatus for performing multi-energy (including dual energy) computed tomography (ct) imaging
CN116172594B (zh) 用于生成患者的结果图像数据集的方法及装置
US20240127500A1 (en) Projection-domain material decomposition for spectral imaging
Tisson et al. 3D region of interest X-ray CT for geometric magnification from multiresolution acquisitions
Lee et al. Comparison study of image quality and effective dose in dual energy chest digital tomosynthesis
JP2021159755A (ja) 医用データ処理装置、ｘ線ｃｔ装置、医用データ処理方法及びプログラム
Gonzales et al. Performance of reconstruction and processing techniques for dense full-spectrum x-ray computed tomography